一种有效的多峰优化鸟群算法

针对鸟群算法(BSA) 在处理多峰优化问题时容易出现陷入局部极值的问题，提出了一种有效的多峰优化鸟群算法(MOBSA) ，通过对仿生过程即鸟类身份的分类策略进行调整， 并将应用于初始位置生成和飞行位置更新的莱维飞行引入到鸟群算法中，从而有效地提高了鸟群算法的仿生智能性．以标准鸟群算法和粒子群算法作为对比，在 6 个优化函数的 30 维上进行了仿真对比实验．实验结果表明: 多峰优化鸟群算法在单峰函数上能有效地提高优化精度，在多峰函数上也能跳出部分极值，得到比鸟群算法更好的优化结果，是一种有效的改进鸟群算法